Vol. 5 Núm. . Especial (2025): Rhombus
ARTÍCULO

Aplicación de modelos de colas y simulación para evaluar la eficiencia del servicio de helados en McDonald’s Chapinero

PDF
  • Gabriela Zipaquira,
  • Laura Sofia Guerrero,
  • Francy Rocio Castellanos
Gabriela Zipaquira
0009-0009-2734-7358
DOI: https://doi.org/10.63058/rhombus.v5iEspecial.340

Publicado 2025-10-28

Palabras clave

  • Teoría de colas ,
  • Simulación ,
  • Tiempo de espera ,
  • Eficiencia Operativa,
  • Optimización

Cómo citar

Zipaquira, G., Guerrero, L. S., & Castellanos, F. R. (2025). Aplicación de modelos de colas y simulación para evaluar la eficiencia del servicio de helados en McDonald’s Chapinero . Rhombus, 5(. Especial), 21p – 48p. https://doi.org/10.63058/rhombus.v5iEspecial.340

Derechos de autor 2025 Rhombus

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.

Descargas

Los datos de descargas todavía no están disponibles.

Resumen

McDonald’s es una cadena de comida rápida reconocida mundialmente por la eficiencia operativa y estandarización en sus procesos. En Chapinero, Bogotá, se estableció un punto de venta especializado en helados, aprovechando su ubicación estratégica en una zona comercial y estudiantil con alto tránsito peatonal. Este punto, enfocado en productos como McFlurrys, conos y sundaes, generó inicialmente largas filas y tiempos de espera elevados, lo cual motivó la presente investigación. 

 

El estudio tuvo como propósito analizar y optimizar el desempeño operativo del punto de venta mediante modelos de investigación de operaciones e inteligencia artificial. Se recopiló información real sobre tiempos de llegada y atención al cliente, analizando estadísticamente estos datos para identificar la distribución que mejor los representaba, encontrándose la distribución Gamma como la más apropiada. A partir de estos resultados, se realizaron simulaciones computacionales en Python y FlexSim para evaluar diferentes indicadores críticos como tiempo promedio de espera, tasa de servicio y nivel de saturación del sistema. Estas simulaciones permitieron visualizar claramente los procesos internos, identificar cuellos de botella y generar alternativas operativas viables. 

 

Finalmente, el análisis permitió proponer mejoras concretas relacionadas con la capacidad instalada, la asignación efectiva de personal y la distribución óptima de tareas en función de la demanda real, logrando así una significativa reducción en los tiempos de espera y una mejora sustancial en la eficiencia del servicio ofrecido a los clientes. 

PDF

Referencias

  1. Banks, J., Carson, J. S., Nelson, B. L., & Nicol, D. M. (2010). Discrete-Event System Simulation (4th ed.). Pearson Education.
  2. Camelo, G. R., Coelho, A. S., & Borges, R. M. (2010). Aplicación de la teoría de colas y simulación al embarque de mineral de hierro y manganeso en la terminal marítima de Ponta da Madeira. Revista Gestão Industrial, 6(3), 63–78. https://revistas.utfpr.edu.br/revistagi/article/view/661/532
  3. Chaves, C., Gosavi, A. On general multi-server queues with non-poisson arrivals and medium traffic: a new approximation and a COVID-19 ventilator case study. Operational Research. An International Journal, 22, 5205–5229. https://doi.org/10.1007/s12351-022-00712-2
  4. Corral, J. A. (2024). La internacionalización del producto y su análisis en diferentes mercados [Trabajo de grado, Universidad de Valladolid]. UVaDOC. https://uvadoc.uva.es/handle/10324/62292
  5. Gómez, F. A. (2008). Aplicación de teoría de colas en una entidad financiera: Herramienta para el mejoramiento de los procesos de atención al cliente. Revista Universidad EAFIT, 44(150), 51–63. https://publicaciones.eafit.edu.co/index.php/revistauniversidadeafit/article/view/154
  6. Gross, D., & Harris, C. M. (2008). Fundamentals of queueing theory (4th ed.). Wiley.
  7. Huber, J., & Stuckenschmidt, H. (2020). Daily retail demand forecasting using machine learning with emphasis on calendric special days. International Journal of Forecasting, 36(4), 1420–1438. https://doi.org/10.1016/j.ijforecast.2020.02.005
  8. Law, A. M., & Kelton, W. D. (2014). Simulation modeling and analysis (5th ed.). McGraw-Hill Education.
  9. Law, A. M. (2019). Simulation modeling and analysis (5th ed.). McGraw-Hill.
  10. Llorente, S., Puente, F. J., Alonso, M., & Arcos, P. I. (2001). Aplicaciones de la simulación en la gestión de un servicio de urgencias hospitalario. Emergencias, 13(2), 90–96. https://revistaemergencias.org/wp-content/uploads/2023/08/Emergencias-2001_13_2_90-6.pdf
  11. Narváez-Gómez, J. E., Ordoñez-Luna, W. A., & Paz-Ruiz, N. E. (2018). Análisis y simulación de tiempos de espera aplicando teoría de colas en una terminal de transportes. Publicaciones e Investigación, 12(2), 35–43. https://repository.unad.edu.co/handle/10596/29722
  12. Negahban, A., & Smith, J. S. (2014). Simulation for manufacturing system design and operation: Literature review and analysis. Journal of Manufacturing Systems, 33(2), 241–261. https://doi.org/10.1016/j.jmsy.2013.12.007
  13. Ortiz, J. E., & Serrano, L. Á. (2006). Simulación de sistemas de transporte público masivo. Revista Ingeniería e Investigación, 26(1), 51–57. https://www.redalyc.org/pdf/643/64326106.pdf
  14. Pérez, J. F., & Riaño, G. (2007). Análisis de colas para el diseño de una cafetería mediante simulación de eventos discretos. Revista de Ingeniería, 1 (25), 12–21. https://doi.org/10.16924/revinge.25.2
  15. Portilla, L. M., Arias, L., & Fernández, S. A. (2010). Análisis de líneas de espera a través de teoría de colas y simulación. Scientia et Technica, 17(46), 56–61. https://www.redalyc.org/articulo.oa?id=84920977012
  16. Raj, J. (2025). Time-Dependent Queuing Model for Traffic Congestion Using Mt/D/1/K: Simulation and Policy Insights. arXiv preprint arXiv:2501.14132. https://doi.org/10.48550/arXiv.2501.14132
  17. Roark, G., Chiodi, F. J., Petesch, G., Pastore, E., & dos Santos, C. H. (2019). Modelaje y simulación computacional con FlexSim de un proceso de despacho y expedición en una industria cementera argentina. XXXIX Encontro Nacional de Engenharia de Produção, Sao Paulo, 15 al 18 de octubre, 1–10. DOI:10.14488/ENEGEP2019_TN_STO_292_1648_38325
  18. Rotunno, G., Lo Zupone, G., Cermineo, L., & Fanti, M. P. (2023). Discrete event simulation as a decision tool: A cost–benefit analysis case study. Journal of Simulation, 18(3), 378–394. https://www.tandfonline.com/doi/full/10.1080/17477778.2023.2167618
  19. SAS Institute Inc. (2024). SAS Studio: User’s guide.https://documentation.sas.com/doc/en/webeditorcdc/3.8/webeditorug/titlepage.htm
  20. Singer, M., Donoso, P., & Scheller-Wolf, A. (2008). Una introducción a la teoría de colas aplicada a la gestión de servicios. Revista ABANTE, 11(2), 93–120. https://www.ceop.cl/wpcontent/uploads/2010/11/Una-Introducci%C3%B3n-a-la-Teor%C3%ADa-de-Colas.pdf
  21. Siebers, P. O., Aickelin, U., Celia, H., & Clegg, C. W. (2008). Simulating customer experience and word‑of‑mouth in retail—A case study. Simulation Modelling Practice and Theory, 16(9), 913–927. https://arxiv.org/pdf/1003.3784
  22. Toneguzzi, M. (2022, octubre 18). McDonald’s Canada expanding walk-up window service concept with pedestrians prioritized. Retail Insider. https://retail-insider.com/retailinsider/2022/10/mcdonalds-canada-expanding-walk-up-window-service-conceptwithpedestrians-prioritized/
  23. Villarreal, F. L., Bernal, M. L., & Montenegro, D. I. (2021). Teoría de colas y líneas de espera, un reto empresarial en el mejoramiento continuo de los servicios. Ciencia Latina Revista Científica Multidisciplinar, 5(5), 8418–8421. https://doi.org/10.37811/cl_rcm.v5i5.933
  24. Walpole, R. E., Myers, R. H., Myers, S. L., & Ye, K. E. (2012). Probability and statistics for engineers and scientists (9th ed.). Pearson Education.
  25. Zhang, R., & Guhathakurta, P. (2020). Multi-skilled workforce scheduling: A simulation-based approach. Computers & Industrial Engineering, 149, 106847. https://doi.org/10.1016/j.cie.2020.106847